Journal Search Engine

ISSN : 1229-3857(Print)
ISSN : 2288-131X(Online)

Korean Journal of Environment and Ecology Vol.34 No.5 pp.466-482
DOI : https://doi.org/10.13047/KJEE.2020.34.5.466

The Effect of the Green Space in Roadside and Building Height on the Mitigation of Concentration of Particulate Matters

Suk-Hwan Hong²

, Wanting Tian^3*

, Rosa Ahn⁴

²Dept. of Landscape Architecture, Pusan National Univ., Miryang 50463, Korea (hong@pusan.ac.kr)
³Dept. of Landscape Architecture, Pusan National Univ., Miryang 50463, Korea (chrissy940702@gmail.com)
⁴Dept. of Landscape Architecture, Pusan National Univ., Miryang 50463, Korea (rosately@naver.com)

이 논문은 한국연구재단에서 지원하는 연구비(NO. 2019R1F1A1053911)에 의하여 연구되었음.

^*교신저자 Corresponding author: chrissy940702@gmail.com

Received 12/06/2020 Review 22/07/2020 Accepted 20/08/2020

Abstract

This study used 3D computational fluid dynamics (CFD) in the ENVI-met program to investigate how particulate matters (PM) generated on roads disperse through adjacent urban neighborhoods according to the urban development pattern. An urban area centered on a six-lane road in the vicinity of Miryang City Hall in Gyeongnam Province was selected to simulate the effect of the green space and building height on the PM concentration. The ENVI-met model considered the presence of green space and different building heights (high/low) on both sides of the road to examine the dispersion of PM. The result showed that the area of high-rise buildings and green space had the lowest PM concentration dispersed to the adjacent area, followed by the area of high-rise buildings and no green space. In contrast, the PM concentration remained relatively high for low-rise buildings, regardless of the green space. The reason for the low PM concentration in the area with high-rise buildings was a strong building wind, which caused PM to disperse to the outside, lowering the PM concentration quickly. These results indicate that the PM can disperse faster, and the PM concentration remains low in the urban neighborhood. On the other hand, green space had no significant effect on reducing PM in the urban neighborhood. In particular, when there are low-rise buildings on both sides of the road, the green space has no effect on the PM concentration in the urban neighborhood. Since this study considered only the case of PM emitted from the road, future studies should investigate other factors to figure out the dispersion model of PM and conduct on-site experiments.

Key Words : BUILDING WIND , GREEN SPACE , ENVI-MET MODEL , DISPERSION MODEL OF PM

가로녹지 및 건물 높이가 미세먼지 농도에 미치는 영향

홍석환²

, 톈완팅^3*

, 안로사⁴

²부산대학교 조경학과 교수
³부산대학교 대학원 조경학과 석사
⁴부산대학교 대학원 조경학과 석사과정

초록

본 연구는 도로에서 발생하는 미세먼지 농도가 도시 개발 형태에 따라 인접 생활권별로 어떻게 확산되는지 시뮬레이션을 통해 파악하고자 하였다. 연구는 경상남도 밀양시청 앞 6차선 도로를 중심으로 한 도로영향권 시가지를 대상으로 진행하였다. 시뮬레이션 프로그램인 ENVI-met 모델을 가로녹지 유무, 도로변 건축물의 높이에 따라 변수를 조정하여 미세먼지 농도의 확산정도를 파악하였다. 모델링 결과 도로변 건물이 고층으로 형성되어 있고 가로녹지가 조성되어 있는 경우 인접 생활권으로 확산된 미세먼지 농도가 가장 낮았으며, 다음으로는 고층건물군에 가로녹지가 없는 상태의 농도가 낮았다. 반면 저층건물군이 형성된 경우에는 가로녹지 유무에 관계없이 인접생활권으로 확산된 미세먼지 농도는 높게 나타났다. 고층건물의 경우 빌딩풍 에 의해 건축물 주변으로 강한 바람이 형성되는 만큼 바람에 의해 미세먼지가 빠르게 외부로 확산되어 농도가 낮아지는 것으로 확인할 수 있었다. 반면 가로녹지 조성이 도로변 생활권에 미치는 미세먼지 저감효과는 뚜렷하지 않았다. 특히 도로변 건축물이 저층일 경우 가로녹지를 조성과 생활권미세먼지농도변화와 관련성은 없는 것으로 확인되었다. 본 연구는 미세먼지가 도로에서만 발생하는 것을 가정하여 모델링을 진행한 것으로 향후 다양한 변수에 따른 미세먼지 확산모형 연구 및 현장연구의 보완을 필요로 하였다.

키워드 : 빌딩풍 , 도로변 녹지 , ENVI-met 모델 , 미세먼지 확산모형

This article has been cited by 0 article in crossref

Cited-By

Funding:

National Research Foundation of Korea
2019R1F1A1053911

서 론

2019년 세계 대기환경 보고서(State of Global Air)에 따르 면 전 세계 92% 인구는 깨끗하지 않은 대기 속에서 살고 있으 며 54%는 심각하게 오염된 대기 환경 속에서 살고 있는 것으로 나타났다. 2017년 기준 초미세먼지(PM2.5)로 인한 사망인수 는 300만 명에 가까워 세계 전체 사망인수의 5.2%를 차지하였 으며 1990년부터 2017년까지 초미세먼지(PM2.5)로 인한 사 망자 수가 68% 증가하여 전 세계적으로 미세먼지와 초미세먼 지를 비롯한 대기오염은 모든 사망요인 중 5번째로 심각한 수 준에 이르렀다(State of Global Air, 2019). 이처럼 대기오염 으로 인한 피해는 전 세계적인 문제이며 우리나라도 예외는 아니다. 2005년 세계보건기구(WHO)의 초미세먼지(PM2.5) 권고기준인 연평균 10㎛/㎥를 3배 이상 상회하는 수치로, 2017년 한국의 평균 초미세먼지 농도는 32㎛/㎥ 수준을 넘었 고, 당해연도 초미세먼지로 인해 약 1만 명의 추가사망자가 발생한 것으로 추정되었다(State of Global Air, 2019).

미세먼지 배출원 중 도로에서 발생하는 미세먼지는 도로이 동오연원(차량 배기가스에서 발생하는 미세먼지), 도로비산먼 지, 비포장도로 비산먼지를 모두 포함하며 우리나라 연간 도로 발생 미세먼지 배출량의 30% 이상을 차지하고 있다(Ministry of Environment, 2016). 도로발생 미세먼지는 차량의 타이어, 에너지 소모로 인해 발생하는 미세먼지와 금속성 물질 등 차량 이용에 따른 먼지들이 도로 바닥에 축적되고 이들 먼지가 차량 이동에 의해 재비산하여 발생하는 만큼 일반 미세먼지에 비해 다량의 금속성 물질 및 화학물질을 함유하고 있어 인체에 미치 는 부정적 영향이 상대적으로 더욱 크다(Zhang et al., 2017;Hong et al., 2018). 일반적으로 수목은 대기 중 오염물질을 흡수･정화하고 도심 온도를 낮추는 등의 미기후 조절역할에 효과적으로 알려져 있다. 이에, 대기오염이 심화된 도심지역에 서 녹지의 조성은 대기질 개선 측면에서 최근 크게 주목받고 있다. Hwang et al.(2018)은 서울시 송파구를 대상지로 실측 을 통해 가로녹지가 초미세먼지 저감에 효과가 있는 것으로 제시한 바 있는데, 특히 교목의 열수와 관목의 층위구조는 중요 한 영향요인이라고 밝힌 바 있다. 반면, Hong et al.(2018)은 넓은 오픈스페이스를 확보하고 있는 부산시청 광장을 대상으로 미세먼지(PM10)와 초미세먼지(PM2.5)를 실측한 결과, 도심 도로변 지역 가로녹지가 오히려 바람에 의한 미세먼지 확산을 억제하고 미세먼지를 녹지 내부에 가두어 보도를 포함한 오픈 스페이스의 미세먼지농도를 높이는 것을 확인한 바 있다. 일반 적인 관념과 달리 Joo et al.(2005)은 가로수의 도시협곡 내 대기오염저감 메커니즘은 나뭇잎 등에 의한 직접적인 오염물질 흡수작용이 아니라 가로수 수관부에 의한 기류흐름 변화가 협 곡 내부와 외부간의 공기교환을 촉진하는 작용에 기인한다고 하여 대기흐름 전환관점에서 녹지를 주목하였는데, Hong et al.(2018)의 결과와 같이 녹지조성이 먼지 확산을 막아 부정적 으로 작용할 수도 있음을 의미하므로 녹지는 그 자체보다 배치 가 중요함을 알 수 있다.

이상의 연구결과를 검토했을 때, 도로변의 경우 단순히 녹지 의 조성여부뿐만 아니라 도로와 건물의 거리, 도로변에 조성된 건축물의 높이 등이 미세먼지 분포에 중요한 영향을 준다는 것을 예상할 수 있다.

미세먼지 연구에서 실측 결과값의 도출은 매우 중요한 항목 이나, 실측을 통한 연구는 동일 지역에서 가로녹지의 조성여부 나 건축물의 높이 등의 변화를 비교하여 확인할 수 없다는 근본 적 문제를 안고 있다. 이에 녹지와 미세먼지의 관계에 대한 연구는 주로 컴퓨터 시뮬레이션 방법으로 연구를 진행하고 있 다. 대표적인 미세먼지 모델링 프로그램인 ENVI-met은 1998 년 독일 Bochum University의 Michael Bruse가 개발한 시뮬 레이션 프로그램으로 3차원 미기후 모형을 이용하여 도시 환경 내에서 지표면과 초목의 구성에 따른 대기흐름분포를 파악할 수 있다. ENVI-met은 여타 프로그램보다 상세하게 수목 구조 를 입력할 수 있는 특징이 있어 식물이 대기환경에 주는 영향 분석이 용이한 장점이 있다. 또한, 바람에 의한 분산뿐만 아니 라, 도로, 건축물 그리고 잎 표면의 침강 및 침적 등을 고려하여 시뮬레이션을 진행하여 식물체의 영향을 예측하기 용이하다 (Ko, 2010;Wu et al., 2019). Deng et al.(2019)는 도로변 미세먼지 실측결과 및 ENVI-met 시뮬레이션 결과를 비교하여 실측 및 시뮬레이션 결과는 미세먼지 농도 값이 다르지만, 도로 변 공간별 미세먼지 분포특성이 유사함을 제시한 바 있다.

Guo et al.(2018)은 ENVI-met을 이용하여 녹지 유형별 초 미세먼지(PM2.5) 저감효과를 비교하여 녹지가 보행공간의 초 미세먼지 저감에 효과가 있다고 주장하였으며, 특히 ‘가로녹지- 차도-중앙녹지-차도-가로녹지’의 형태로 도로변에 녹지가 조성 될 경우 효과가 크다고 주장하였다. 반면 Vos et al.(2013)은 동일 프로그램을 이용한 시뮬레이션 결과 도로변 녹지는 바람 흐름을 완화시켜 도로에서 발생하는 미세먼지가 빠르게 밖으로 확산되는 것을 막아 오히려 미세먼지농도를 증가시키며 도로변 에 녹지를 조성하는 것은 미세먼지 문제의 해결책이 아니라고 제시한 바 있다. Wania et al.(2012)는 도로변에서 녹지 외에 건물 높이와 도로 너비의 비율에 따라 대기흐름 변화가 크게 나타나므로 이러한 다양한 변수가 미세먼지농도에 영향을 미친 다고 하여 도로변 개발에 따라 다양한 변화가 있음을 제시한 바 있다.

이상을 종합했을 때, 단순히 녹지조성 자체가 도로변 미세먼 지를 완화시킬 수 있는 방법은 아닌 것으로 판단할 수 있으며 복잡한 환경요건에서 부적절한 공간구성은 오히려 미세먼지농 도를 높일 수도 있을 것으로 사료되었다. 이에 본 연구는 도로 발생 미세먼지의 인접 생활권별 농도 특성을 살펴보고자 도로 변 환경의 대표적 특성을 나타낼 수 있는 가로녹지의 조성여부 와 인접 건축물의 높이를 다르게 설정하여 개별유형에 따른 도로변 생활권 미세먼지의 확산 및 정체 특성을 파악하고자 하였다.

연구방법

1. 연구대상지

연구대상지는 경상남도 밀양시의 중심도로 인근 가로녹지가 조성된 밀양시청 국도 24호선 일대로 선정하였다(Figure 1). 밀양시청 앞 도로는 6차선으로, 시뮬레이션은 시청을 기준으로 서측도로구간의 길이 200m 폭 120m 범위로 3차원 모델을 구축하였다. 3차원 모델링을 위한 기초자료는 위성사진 및 1:5,000 축적의 수치지도를 활용하여 작성한 후 현장조사를 통해 세부 토지피복 및 건축물 현황을 보완하였다. 시뮬레이션 분석에 사용한 대기모델링은 일반적인 주 바람방향을 고려하여 기상청의 자료에 따른 북서풍을 주풍향으로 설정하였으며, 바 람에 영향을 받는 도로의 남쪽방향을 중심으로 분석하였다. 이 는 2018년 4월 15일 5시~22시 사이의 기상청 AWS 자료를 기준으로 설정하였다. 도로 남쪽으로는 '도로-선형 녹지-보도- 가로녹지-이면도로-건물블록-이면도로'가 도로와 평형을 이루 고 있는데, 조성된 선형 녹지는 높이 5~8m의 낙엽활엽교목과 0.7m 전후의 관목이 1열로 식재되어 있었으며, 가로녹지는 높 이 6~8m의 낙엽활엽교목과 8~14m의 상록침엽교목이 혼합 식재와 0.7m 전후의 관목이 일부 식재되어 있었다. 가로녹지 뒤에 건물블록은 3~4층의 저층 건축물로 구성된 생활권 공간 을 형성하고 있었다. 이면도로는 왕복 2차선 도로이다.

2. 연구방법

본 연구는 도로에서 발생하는 미세먼지가 인접 생활권별로 개발 단지의 특성에 따라 어떻게 확산되는지 예측하고자 하였 다. 실제 연구대상지 토지이용현황을 바탕으로 시뮬레이션을 진행하였는데, 가로녹지의 조성여부와 건축물의 높이를 서로 다르게 설정하여 각각의 공간유형을 4개 유형으로 모델링한 후 분석을 실시하였다(Table 1, Figure 2, Figure 3). 분석은 ENVI-met 프로그램 4.4.3 버전을 이용하여 도로에서 동일한 양의 미세먼지가 발생하도록 한 후 확산경향을 분석하였다.

모델링을 위한 공간해상도는 수평 3m, 수직 2m로 설정하였 으며 총 공간모델링 크기는 84×52×40pixel로 설정하였다. Table 2와 같이 기본 현황은 대상지 현황과 일치하도록 하되, 도로와 보도 사이에 조성된 선형의 녹지는 가로녹지와 중복되 므로 제외하였으며, 건물의 높이와 가로녹지의 유무를 조정하 여 가상의 4개 유형으로 확대하였다. 도로는 아스팔트 포장으 로, 보도는 콘크리트 블록으로 설정하였고 가로녹지는 흙으로 설정하였다. 가로녹지에 식재 낙엽활엽교목은 수고 5m, 수관 폭 3m로 설정하였으며, 상록침엽교목은 수고 15m, 수관폭 5m 로, 식재간격은 6m로 설정하였다. 관목은 높이 0.5m로 설정하 여 입력하였다. 가로녹지가 조성되지 않은 유형의 가로녹지 공 간은 콘크리트 블록 포장으로 모델링한 후 분석을 실시하였다. 오염원은 미세먼지(PM10)와 초미세먼지(PM2.5) 두 종류로 구분하여 시뮬레이션하였다.

도로발생 미세먼지의 특성을 살펴보고자 자동차 배기가스 배출높이를 고려하여 도로면 0.3m 높이에서 미세먼지가 배출 되도록 설정하였다. 미세먼지 배출량 설정은 국토교통부의 경 상남도 일평균 교통량(14,295대)에 Euro-3 기준 배출계수를 적용하였으며, ENVI-met 프로그램에서 배출속도를 산출하였 다. 도시 전체 미세먼지 배경농도는 에어코리아(2018)의 밀양 시 2018년 4월 15일 기준 미세먼지 농도를 기준하였으며 (PM10: 56㎛/㎥, PM2.5: 22㎛/㎥), 풍속은 해당일 30분 간 격으로 측정된 값을 적용하여 일출시간과 사람 활동하는 시간 을 고려하여 오전 5시부터 밤 22시까지 총 17시간 동안 시뮬레 이션을 진행하였다.

미세먼지의 대기 중 이동현상을 모의할 수 있는 모델링의 운영을 위한 기상자료는 2018년 4월 15일부터 21일까지 7일 간의 밀양시 자동기상관측장비(AWS) 데이터를 평균하여 적 용하였다. 단, 풍향 데이터는 2018년 4월 15일의 풍향 데이터 를 이용하였다. 4월 15일 5시~22시까지의 주풍향 고려하여 북서풍으로 고정하여 적용하였다(Table 3).

통계분석을 위한 시뮬레이션 결과는 NetCDF파일로 전환하 여 Qgis 프로그램에서 랜덤 샘플링 빈도 1로 설정하여 도로, 보도, 가로녹지, 생활권 건물블록, 외과 이면도로 각각의 구역 별로 PM10과 PM2.5 데이터를 추출하였다. 구역별 샘플은 100개를 기준으로 추출하였고 폭이 협소한 보도는 모든 샘플 (84개)을 사용하였다. 구역별 미세먼지 및 초미세먼지 농도의 평균 차이를 확인하기 위해 추출한 데이터를 기반으로 일원배 치 분산분석을 이용 통계분석을 실시하였다.

결과

1. 미세먼지 확산 시뮬레이션 결과

건축물의 높이 차이에 따른 사람 호흡기 기준인 1.5m의 시 뮬레이션 결과를 살펴보기 위해 A-1 및 A-2 그리고 A-2 및 B-2를 비교하면, 도로변에 고층 건축물이 조성된 경우 저층 건축물이 조성된 경우와 비교하여, 미세먼지가 도로 구역에서 장시간 머무르는 관계로, 도로변 인접 지역까지 확산하지 않아 도로변 대기환경에 유리하게 적용하는 경향을 보였다. 도로변 가로녹지의 미세먼지 영향 분석을 위한 A-1 및 B-1, A-2 및 B-2를 비교하면, 가로녹지 조성여부는 미세먼지 분포변화에 뚜렷한 영향은 나타나지 않았다.

2. 공간별 미세먼지 분포특성

1) Type A-1(가로녹지: 유, 건물층고: 저층)

A-1 유형은 도로변 생활권 공간의 건축물이 층고 3~4층의 저층 건물로 구성되고 도로와 건축물 사이에 가로녹지가 조성 된 유형이다. 공간별로 미세먼지 데이터는 Levene의 등분산 검정결과 분산의 동질성이 인정되지 않아(Table 4) Welch‘s robust ANOVA 분석을 실시하였다. 분석결과 신뢰도 99%수 준에서 유의하여 각 사이트별 미세먼지농도가 유의미한 차이가 있음을 확인하였다(Table 5). Games-Howell의 사후검증 결 과 PM10은 3개 그룹으로 구분되었는데, 도로에서 가장 멀리 떨어진 건물블록 외곽 이면도로가 가장 낮았으며 도로와 건물 블록이 중간, 보도와 가로녹지지역이 가장 농도가 높은 공간으 로 구분되었다. PM2.5의 경우에는 5개 공간이 모두 다르게 나타났는데, 가로녹지의 농도가 가장 높았으며, 다음으로 보도, 차도, 생활권 건물블록, 외곽 이면도로의 순서로 나타났다. (Table 6, Figure 5).

Type A-1의 경우 미세먼지 입자 크기별 경향은 전반적으로 유사하였고, 가로녹지와 도로변 보도의 미세먼지농도가 미세 먼지가 배출되는 도로보다도 높게 나타나고 있었다. 가로녹지 지역의 경우 수목의 미세먼지 흡착효과에 의해 미세먼지농도가 낮을 것이라는 일반적 견해와는 달리 가장 높게 나타나고 있는 데, 이는 Vos et al.(2013)의 모델링 연구결과와 Hong et al.(2018)의 현장측정 연구결과와 유사한 결과로 녹지가 도로 로부터 발생되는 미세먼지의 확산을 저해하여 미세먼지 농도가 높아지는 것으로 판단할 수 있었다.

2) Type A-2(가로녹지: 유, 건물층고: 고층)

A-2 유형은 도로변 생활권 공간의 층고 20층의 고층 건물로 구성된 도로와 건축물 사이에 가로녹지가 조성된 유형이다. 공간 별로 추출한 미세먼지 데이터는 Levene의 등분산 검증결과 분산 의 동질성이 인정되지 않아(Table 7) Welch’s robust ANOVA 분석결과 신뢰도 99%수준으로 각 사이트별 미세먼지농도가 유 의미한 차이가 있음을 확인하였다(Table 8). Games-Howell의 사후검증 결과 PM10은 도로에서 가장 멀리 떨어진 건물블록 외곽 이면도로의 농도가 가장 낮았으며 생활권 건물블록은 중간, 가로녹지와 보도, 도로지역은 농도가 높게 나타났다. PM2.5의 경우에는 5개 공간이 모두 차이가 있었으며 도로의 농도가 가장 높았으며, 다음으로 보도, 가로녹지, 생활권 건물블록, 외곽 이면 도로의 순서로 나타났다(Table 9, Figure 6).

Type A-2는 미세먼지 입자크기별 경향은 일정하였으며, 도 로로부터의 거리에 따라 농도차이 변화를 확인할 수 있었다.

3) Type B-1(가로녹지: 무, 건물층고: 저층)

B-1 유형은 도로변 생활권 공간의 건축물이 층고 3~4층의 저층 건물로 구성되고 도로와 건축물 사이에 가로녹지가 조성 되지 않은 유형이다. 각각의 공간별로 추출한 미세먼지 데이터 는 Levene의 등분산 검정결과 동질성이 인정되지 않았다 (Table 10). Welch‘s robust ANOVA 분석결과 신뢰도 99% 수준에서 유의하여 각 사이트별 미세먼지농도가 유의미한 차이 가 있음을 확인하였다(Table 11). Games-Howell의 사후검증 결과 PM10은 3개 그룹으로 구분되었는데, 도로에서 가장 멀 리 떨어진 건물블록 외곽 이면도로가 가장 낮았으며 도로와 건물블록이 중간, 보도와 가로녹지지역이 가장 농도가 높은 공 간으로 구분되었다. PM2.5도 PM10과 같은 경향을 보였다 (Table 12, Figure 7).

Type B-1은 Type A-1과 동일한 패턴을 보이고 있어 도로 변 미세먼지 농도는 가로녹지의 조성유무보다 건축물의 높이에 따라 크게 농도변화가 있는 것으로 확인할 수 있었다.

4) Type B-2(가로녹지: 무, 건물층고: 고층)

B-2 유형은 도로변 생활권 공간의 건축물이 층고 20층의 고층 건물로 구성되고 도로와 건축물 사이에 가로녹지가 없는 유형으로 각각의 공간별로 추출한 미세먼지 데이터의 Levene 의 등분산 검정결과 분산의 동질성이 인정되지 않았다(Table 13). Welch‘s robust ANOVA 분석결과 신뢰도 99%수준에 서 유의하여 각 사이트별 미세먼지농도가 유의미한 차이가 있 음을 확인하였다(Table 14). Games-Howell의 사후검정 결과 PM10 농도는 도로에서 가장 멀리 떨어진 건물블록 외곽 이면 도로가 가장 낮았으며 생활권 건물블록, 도로, 보도와 가로녹지 순으로 농도가 높아졌다. PM2.5 또한 PM10과 같은 경향을 보였다(Table 15, Figure 8).

본 유형은 건물 층고가 동일한 A-2 유형과는 달리 건물층고 가 낮은 두 유형과 유사한 패턴을 보였다.

종합하면, 가로녹지가 조성된 유형에서(A-1, A-2) 도로변 생활권이 고층 건축물로 구성된 경우 완충녹지, 생활권 건물블 록, 외곽 이면도로의 미세먼지농도가 낮았으며, 가로녹지가 조 성되지 않는 유형에서(B-1, B-2) 도로변 생활권이 고층 건축물 로 구성된 경우 생활권 건물블록, 외곽 이면도로의 미세먼지농 도가 낮게 나타났다. 도로변 생활권이 저층 건축물로 구성된 경우(A-1, B-1) 가로녹지 조성여부가 미세먼지농도 변화에 미 치는 영향이 미미한 반면, 고층 건축물이 인접한 경우(A-2, B-2) 가로녹지 조성여부가 인접지역 미세먼지 분포경향에 영 향을 주는 것으로 나타났다(Figure 9).

3. 공간별 미세먼지농도 특성

1) 도로

각각의 유형별 도로 미세먼지 농도 데이터에 대한 Levene의 등분산 검정결과 미세먼지와 초미세먼지 데이터 모두 분산의 동질성이 인정되지 않았다(Table 16). Welch‘s robust ANOVA 분석결과는 신뢰도 99%수준에서 유의하여 각 유형별 도로 미세먼지농도가 유의미한 차이가 있음을 확인하였다(Table 17). Games-Howell의 사후검증 결과 PM10은 B-1 유형이 제일 낮았으며 A-1 그리고 B-2 유형이 중간 A-2 유형이 농도가 높은 유형으로 구분되었다. PM2.5의 경우에는 2개 그룹으로 구분되었는데, A-1, B-1 그리고 B-2 유형이 낮았으며 A-2 유형 이 농도가 높은 유형으로 구분되었다(Table 18, Figure 10). 이는 건물과 가로녹지가 도로에서 발생한 미세먼지가 외부로 확산되는 것을 막기에 발생하는 것으로 Vos et al.(2013), Hong et al.(2018)의 연구와 유사한 결과를 보인다고 할 수 있었다.

보도

각 유형별 보도에서 추출한 미세먼지 농도 데이터를 Levene 의 등분산 검정하여 결과는 미세먼지와 초미세먼지 데이터 모 두 분산의 동질성이 인정되어(Table 19) ANOVA분석을 실시 한 결과 F값이 미세먼지는 47.150이며 신뢰도 95%수준에서 집단 간 차이가 인정되었다(Table 20). Duncan의 사후검증 결과 B-1유형이 B-2유형보다 미세먼지농도가 낮은 것이 통계 적으로 인정되었으나 그 차이는 매우 미미하여, 전반적으로 큰 차이는 없는 것으로 나타났다. 초미세먼지 농도는 집단 간 차이 가 인정되지 않았다(Table 21, Figure 11).

3) 가로녹지

각 유형별 가로녹지 지역에 따른 미세먼지 농도에 데이터를 바탕으로 Levene의 등분산 검정결과 미세먼지와 초미세먼지 데이터 모두 분산의 동질성이 인정되어(Table 22) ANOVA분 석을 실시하였다. 분석결과 F값이 미세먼지는 185.264이며 초 미세먼지는 61.613으로 신뢰도 99%수준에서 집단 간 차이가 인정되었다(Table 23). Duncan 사후검증 결과 PM10과 PM2.5 의 농도는 유사하게 나타났는데, 가로녹지가 조성된 고층의 건물 집단에서 가장 낮았으며, 반대로 가로녹지가 조성된 저층의 건물 집단에서 가장 높게 나타났다(Table 24, Figure 12).

4) 생활권 건물블록

생활권 건물블록지역의 미세먼지 데이터에 대한 Levene의 등분산 검정결과 미세먼지와 초미세먼지 데이터 모두 분산의 동질성이 인정되지 않아(Table 25) Welch‘s robust ANOVA 분석을 실시하였다. 분석결과 신뢰도 99%수준에서 유의하여 각 유형별 미세먼지농도가 유의미한 차이가 있음을 확인하였다 (Table 26). Games-Howell의 사후검증 결과 PM10과 PM2.5 모두 동일하게 그룹이 형성되었다. 이는 가로녹지지역과도 유 사한 형태로, 가로녹지가 조성된 고층 건축물에서 농도가 가장 낮았으며, 반대로 저층 건축물로 구성된 두 유형은 모두 높은 농도를 보였다(Table 27, Figure 13).

5) 외곽 이면도로

외곽 이면도로의 경우 Levene의 등분산 검정결과 미세먼지 와 초미세먼지 데이터 모두 분산의 동질성이 인정되지 않았다 (Table 28). Welch‘s robust ANOVA 분석결과 신뢰도 99% 수준에서 유의하여 각 유형별 미세먼지농도가 유의미한 차이가 있음을 확인하였다(Table 29). Games-Howell의 사후검증 결 과 PM10, PM2.5 모두 동일하게 그룹이 구분되었는데, 가로녹 지와 상관이 없이 A-2 및 B-2의 고층 건축물로 구성된 유형에 서 농도가 낮았으며, 반대로 저층 건축물로 구성된 유형은 농도 가 높게 나타났다(Table 30, Figure 14).

종합하면, 가로녹지 조성여부보다 건물높이 변화가 미세먼 지농도에 더 큰 영향을 주는 것을 확인할 수 있다. 세부위치별 로 살펴보면 도로내부에서는 도로변 생활권이 고층 건축물로 구성된 경우 미세먼지농도가 높으며 저층 건축물로 구성된 경 우 미세먼지농도가 낮게 나타났다. 보도에서는 건물 높이에 따 른 미세먼지농도의 변화 뚜렷하지 않았다. 완충녹지, 생활권 건물블록, 외곽 이면도로에서는 도로변 생활권이 고층 건축물 로 구성된 경우 미세먼지농도가 낮게 나타났으며 저층 건축물 로 구성된 경우 미세먼지농도가 높았다(Figure 15).

4. 바람흐름 변화와 미세먼지농도

모델링에 따른 공간 유형별 대기흐름을 살펴보면(Figure 16, Figure 17) 저층 건축물로 구성된 경우 바람방향이 큰 변화 를 보이지 않는 반면 고층 건축물로 구성된 경우에는 바람 방향 의 변화 폭이 크게 나타나고 있었다. 바람흐름의 변화정도와 미세먼지 농도와의 관계를 살펴본 결과(Figure 18) 바람흐름 변화량이 클수록 생활권 미세먼지 농도가 낮아지고 반대로 변 화량이 작을수록 농도가 짙어지는 경향이 뚜렷하게 나타나고 있었다. 다만, 모델링 유형별 풍속 차이 변화는 통계적으로 유 의미하지 않았다.

바람흐름 관점에서 도심의 바람흐름 변화가 많아질수록 주 변과의 대기순환을 촉진하여 미세먼지의 확산에 긍정적 영향을 미치는 것으로 판단할 수 있었다.

고찰

건물층고 변화여부에 따른 생활권 미세먼지 농도를 살펴본 결과 공간조성 유형에 따른 바람흐름 변화가 미세먼지농도에 주된 영향을 미치는 것을 확인할 수 있었으며, 상대적으로 녹지 자체의 영향은 미미한 것으로 예측되었다. 도로에서 발생하는 미세먼지 영향은 바람변화 정도가 클수록 생활권 미세먼지 농 도가 낮아지고 반대로 변화 정도가 작을수록 농도가 짙어지는 경향이 뚜렷하게 나타나고 있었다.

도로변에 가로녹지 조성여부에 따른 생활권 미세먼지 농도 살펴본 결과, 가로녹지는 대기흐름을 안정화시켜 도로에서 발 생하는 미세먼지 확산을 억제하는 경향을 보였다. 이는 Vos et al.(2013), Hong et al.(2018)의 연구결과와 맥락을 같이 하는 것으로 도로변에서 발생하는 미세먼지는 수목에 의한 저 감보다는 바람흐름에 의한 영향이 훨씬 크게 작용함을 확인할 수 있었다. 다만, A-2 유형의 결과에 따라 도로변 고층 건물로 구성된 경우는 가로녹지가 도로변 인접지역의 미세먼지를 저감 하고, 효과가 뚜렷한 것을 확인할 수 있는데, 이것은 고층건물 군과 도로 사이의 가로녹지가 도로발생 미세먼지의 확산을 막 아 상대적으로 도로의 미세먼지 농도가 높아지는 것으로 판단 되었다. 이에 도로발생 미세먼지가 주변 생활권으로 확산되는 것을 억제하기 위해서는 가로녹지 자체의 조성에 중점을 두기 보다는 건물높이와 가로녹지 조성의 관계를 고려하여 결정하는 것이 바람직한 것으로 판단되었다.

종합하면, 도심에서 미세먼지 농도를 줄이기 위해서는 미세먼 지 발생원에 가두어 두거나, 대기흐름 활성화를 꾀해 외부로의 확산을 빠르게 만드는 방안이 정밀하게 검토되어야 할 것이다.

다만, 한정된 조건에서 이루어지는 모델링결과와는 달리 복 잡한 현장여건을 감안할 때 현장에서는 보다 복잡한 영향이 있을 수 있어 다양한 환경에서의 실측 데이터 축적을 통한 연구 가 시급하다고 판단된다.

Figure

Figure 1.

Location of study site

Figure 2.

Separated landuse type of roadside area for ENVI-met Modeling (a: Road, b: Pedestrian path, c: Green space, d: urban neighborhood, e: Back road)

Figure 3.

Section of ENVI-met Modeling

Figure 4.

Section of ENVI-met Modeling

Figure 5.

Box plot comparison of PM10 and PM2.5 for Type A-1

Figure 6.

Box plot comparison of PM10 and PM2.5 for Type A-2

Figure 7.

Box plot comparison of PM10 and PM2.5 for Type B-1

Figure 8.

Box plot comparison of PM10 and PM2.5 for Type B-2

Figure 9.

Line chart of Particulate Matter for Building Height and Green Space difference

Figure 10.

Box plot comparison of PM10 and PM2.5 for Road

Figure 11.

Box plot comparison of PM10 and PM2.5 for Pedestrian path

Figure 12.

Box plot comparison of PM10 and PM2.5 for Green Space

Figure 13.

Box plot comparison of PM10 and PM2.5 for urban neighborhood

Figure 14.

Box plot comparison of PM10 and PM2.5 for Back road

Figure 15.

Line chart of Particulate Matter for Type and Site difference(a: Road, b: Pedestrian path, c: Green space, d: urban neighborhood, e: Back road)

Figure 16.

ENVI-met Image result of Wind Direction in urban neighborhood for 4 types

Figure 17.

Wind Direction in urban neighborhood for 4 types(Unit: °)

Figure 18.

Line chart of wind direction change and particulate matter for urban neighborhood Legend: Wnd Direction change PM10 for urban neighborhood PM2.5 for urban neighborhood

Table

Table 1.

Type of building and greenspace for ENVI-met Modeling

No.	Building Height	Green Space
A-1	3~4 Floor	○
A-2	20 Floor	○
B-1	3~4 Floor	×
B-2	20 Floor	×

Table 2.

Value of database for ENVI-met Modeling

Classification	Variables	Value	Others
Model	Size	845240
Resolution	3m3m2m
Building	Position	Follow the Digital Map from National Spatial Data Infrastructure Portal
Height	A-1/B-1; 9~12mA-2/B-2: 60m
Soils	Road	0100ST Asphalt road
Pedestrian	0100PG Concrete Pavement Gray
Green Space	0100LO Loamy Soil 0100PG Concrete Pavement Gray
Sources	Type	pm2.5/pm10
Geometry	Line
Height	0.3m
Emission	Euro-3기준 14,295대/24h ENVI-met automatic computation
Background	pm2.5:22㎛/㎥ pm10:56㎛/㎥
Plants	Tree	Deciduous: W3H5 Conifer: W5H15 LAD: 2	3D Plants
Shrub	hight: 0.5m	Simple Plants
Time	Simulation Duration	05:00㏂ - 22:00㏘

Table 3.

Value of Full forcing file for Weather data

Date	Time	Abs. Temperature(K)	Rel. Humidity(%)	Wind Speed(m/s)	Wind Dir(°)
15.04.2018	05:00:00	281.25	90	1.5	332
15.04.2018	05:30:00	281.04	90	0.8	282
15.04.2018	06:00:00	280.82	91	0.9	336
15.04.2018	06:30:00	281.12	89	0.5	326
15.04.2018	07:00:00	282.24	86	1.0	297
15.04.2018	07:30:00	283.64	79	1.8	300
15.04.2018	08:00:00	285.11	66	2.7	339
15.04.2018	08:30:00	286.61	58	4.2	10
15.04.2018	09:00:00	287.76	51	2.5	329
15.04.2018	09:30:00	289.26	44	3.8	341
15.04.2018	10:00:00	290.59	39	2.7	353
15.04.2018	10:30:00	291.85	35	4.0	331
15.04.2018	11:00:00	293.16	32	2.4	352
15.04.2018	11:30:00	293.69	27	4.2	336
15.04.2018	12:00:00	294.51	25	3.7	341
15.04.2018	12:30:00	295.11	27	1.7	2
15.04.2018	13:00:00	295.92	24	2.6	350
15.04.2018	13:30:00	296.25	23	2.9	2
15.04.2018	14:00:00	296.54	22	2.2	1
15.04.2018	14:30:00	296.82	20	2.1	294
15.04.2018	15:00:00	297.16	19	4.1	266
15.04.2018	15:30:00	297.19	19	4.2	305
15.04.2018	16:00:00	296.92	21	2.2	282
15.04.2018	16:30:00	296.48	20	2.9	306
15.04.2018	17:00:00	295.91	23	2.4	295
15.04.2018	17:30:00	295.32	25	2.4	324
15.04.2018	18:00:00	294.19	28	2.8	339
15.04.2018	18:30:00	293.21	31	2.0	347
15.04.2018	19:00:00	292.28	34	1.3	326
15.04.2018	19:30:00	291.41	37	1.2	330
15.04.2018	20:00:00	290.71	41	1.1	319
15.04.2018	20:30:00	289.59	45	2.0	322
15.04.2018	21:00:00	288.31	51	1.9	300
15.04.2018	21:30:00	287.52	54	0.8	325
15.04.2018	22:00:00	286.79	58	1.7	338

Table 4.

Result of Levene test for equality of variances (type A-1)

a: degree of freedom between groups

b: degree of freedom in group

c: significance probability P=0.05

Leven statistic	df1a	df2b	Sig.c
PM10	2.500	4	479	.042
PM2.5	5.662	4	479	.000

Table 5.

Result of Welch’s robust test for means(A-1)

Table 6.

Result of Games-Howell’s multiple comparison (A-1)(a: Road, b: Pedestrian path, c: Green space, d: urban neighborhood, e: Back road)

d: Mean Difference between group I and group J

e: Standard Error

Dependent variable	(I)SITE	(J)SITE	I-Jd	Std.e Err.	Sig.
PM10	a	b	-1.219	.304	.001
c	-1.984	.282	.000
d	.492	.263	.336
e	2.776	.228	.000
b	c	-.765	.294	.075
d	1.711	.276	.000
e	3.994	.252	.000
c	d	2.476	.251	.000
e	4.759	.224	.000
d	e	2.283	.200	.000
PM2.5	a	b	-.560	.147	.002
c	-.997	.138	.000
d	.422	.136	.019
e	1.330	.106	.000
b	c	-.437	.150	.033
d	.981	.149	.000
e	1.890	.121	.000
c	d	1.419	.140	.000
e	2.327	.111	.000
d	e	-.908	.109	.000

Table 7.

Result of Levene test for equality of variances (type A-2)

a: degree of freedom between groups

b: degree of freedom in group

c: significance probability P=0.05

Leven statistic	df1a	df2b	Sig.c
PM10	29.214	4	479	.000
PM2.5	20.424	4	479	.000

Table 8.

Result of Welch’s robust test for means(type A-2)

statistic	df1	df2	Sig.
PM10	180.339	4	220.689	.000
PM2.5	251.586	4	217.375	.000

Table 9.

Result of Games-Howell’s multiple comparison (type A-2)(a: Road, b: Pedestrian path, c: Green space, d: urban neighborhood, e: Back road)

d: Mean Difference between group I and group J

e: Standard Error

Dependent variable	(I)SITE	(J)SITE	I-Jd	Std.e Err.	Sig.
PM10	a	b	.583	.402	.595
c	1.324	.376	.005
d	3.916	.347	.000
e	4.935	.335	.000
b	c	.741	.300	.102
d	3.332	.262	.000
e	4.351	.246	.000
c	d	2.592	.219	.000
e	3.611	.200	.000
d	e	1.019	.138	.000
PM2.5	a	b	.517	.165	.017
c	1.021	.150	.000
d	2.191	.128	.000
e	2.737	.120	.000
b	c	.504	.151	.009
d	1.674	.130	.000
e	2.220	.121	.000
c	d	1.170	.109	.000
e	1.172	.099	.000
d	e	.546	.062	.000

Table 10.

Result of Levene test for equality of variances (type B-1)

a: degree of freedom between groups

b: degree of freedom in group

c: significance probability P=0.05

Leven statistic	df1a	df2b	Sig.c
1PM10	9.814	4	479	.000
PM2.5	9.58	4	479	.000

Table 11.

Result of Welch’s robust test for means(B-1)

statistic	df1	df2	Sig.
PM10	71.133	4	227.614	.000
PM2.5	78.214	4	230.641	.000

Table 12.

Result of Games-Howell’s multiple comparison (type B-1)(a: Road, b: Pedestrian path, c: Green space, d: urban neighborhood, e: Back road)

d: Mean Difference between group I and group J

e: Standard Error

Dependent variable	(I)SITE	(J)SITE	I-Jd	Std.e Err.	Sig.
pm10	a	b	-1.367	.273	.000
c	-1.933	.289	.000
d	-.024	.235	1.000
e	1.353	.195	.000
b	c	-.566	.346	.380
d	1.342	.266	.000
e	2.720	.232	.000
c	d	1.910	.283	.000
e	3.286	.251	.000
d	e	1.377	.185	.000
pm2.5	a	b	-.522	.134	.001
c	-.676	.147	.000
d	.180	.109	.467
e	.992	.097	.000
b	c	-.155	.162	.874
d	.702	.129	.000
e	1.513	.118	.000
c	d	.857	.142	.000
e	1.668	.132	.000
d	e	.811	.089	.000

Table 13.

Result of Levene test for equality of variances (type B-2)

a: degree of freedom between groups

b: degree of freedom in group

c: significance probability P=0.05

Leven statistic	df1a	df2b	Sig.c
PM10	17.687	4	479	.000
PM2.5	17.499	4	479	.000

Table 14.

Result of Welch’s robust test for means(type B-2)

statistic	df1	df2	Sig.
PM10	169.287	4	221.140	.000
PM2.5	154.939	4	221.763	.000

Table 15.

Result of Games-Howell’s multiple comparison (B-2)(a: Road, b: Pedestrian path, c: Green space, d: urban neighborhood, e: Back road)

d: Mean Difference between group I and group J

e: Standard Error

Dependent variable	(I)SITE	(J)SITE	I-Jd	Std.e Err.	Sig.
pm10	a	b	-1.886	.358	.000
c	-1.876	.318	.000
d	1.398	.251	.000
e	2.853	.232	.000
b	c	.009	.366	1.000
d	3.284	.309	.000
e	4.738	.294	.000
c	d	3.275	.262	.000
e	4.729	.244	.000
d	e	1.454	.164	.000
pm2.5	a	b	-.592	.162	.003
c	.604	.147	.001
d	.692	.119	.000
e	1.428	.109	.000
b	c	-.013	.165	1.000
d	1.283	.141	.000
e	2.019	.132	.000
c	d	1.296	.123	.000
e	2.032	.113	.000
d	e	.736	.073	.000

Table 16.

Result of Levene test for equality of variances for Road

a: degree of freedom between groups

b: degree of freedom in group

c: significance probability P=0.05

Leven statistic	df1a	df2b	Sig.c
PM10	10.830	3	396	.000
PM2.5	2.655	3	396	.048

Table 17.

Result of Welch’s robust test for means for Road

statistic	df1	df2	Sig.
PM10	13.480	3	216.142	.000
PM2.5	26.477	3	218.418	.000

Table 18.

Result of Games-Howell’s multiple comparison for Road (A-1:low-rise buildings with green space; A-2:high-rise buildings with green space; B-1:low-rise buildings without green space; B-2: high-rise buildings without green space)

d: Mean Difference between group I and group J

e: Standard Error

Dependent variable	(I)TYPE	(J)TYPE	I-Jd	Std.e Err.	Sig.
PM10	A-1	A-2	-1.460	.387	.001
B-1	.832	.269	.012
B-2	.349	.301	.654
A-2	B-1	2.292	.369	.000
B-2	1.809	.393	.000
B-1	B-2	-.484	.277	.304
PM2.5	A-1	A-2	-.911	.150	.000
B-1	.309	.125	.069
B-2	.209	.139	.437
A-2	B-1	1.220	.142	.000
B-2	1.120	.155	.000
B-1	B-2	-.100	.131	.871

Table 19.

Result of Levene test for equality of variances for Pedestrian path

a: degree of freedom between groups

b: degree of freedom in group

c: significance probability P=0.05

Leven statistic	df1a	df2b	Sig.c
PM10	2.217	3	332	.086
PM2.5	1.532	3	332	.206

Table 20.

Result of ANOVA for Pedestrian path

	Sum of squares	df1	Mean squares	F	Sig.
PM10	47.150	3	15.717	3.245	.022
PM2.5	5.044	3	1.684	1.496	.216

Table 21.

Duncan’s Post-Hoc test result for Pedestrian path (A-1:low-rise buildings with green space; A-2:high-rise buildings with green space; B-1:low-rise buildings without green space; B-2:high-rise buildings without green space)

	pm10		pm2.5
B-1	84	61.026		B-1	84	24.509
A-2	84	61.368	61.368	B-2	84	24.679
A-1	84	61.710	61.710	A-2	84	24.690
B-2	84		62.029	A-1	84	24.856
Sig.		.057	.066	Sig.		.053

Table 22.

Result of Levene test for equality of variances for Green space

a: degree of freedom between groups

b: degree of freedom in group

c: significance probability P=0.05

Leven statistic	df1a	df2b	Sig.c
PM10	2.155	3	396	.093
PM2.5	2.316	3	396	.075

Table 23.

Result of ANOVA for Green space

	Sum of squares	df1	Mean squares	F	Sig.
PM10	185.264	3	61.755	13.811	.000
PM2.5	61.613	3	20.538	18.187	.000

Table 24.

Duncan’s Post-Hoc test result for Green space (A-1:low-rise buildings with green space; A-2:high-rise buildings with green space; B-1:low-rise buildings without green space; B-2:high-rise buildings without green space)

	pm10	pm2.5
A-2	100	60.627			24.187
B-1	100		61.592			24.664
B-2	100		62.020	62.020		24.691
A-1	100			62.475			25.293
Sig.		1.000	.154	.129	1.000	.998	1.000

Table 25.

Result of Levene test for equality of variances for urban neighborhood

a: degree of freedom between groups

b: degree of freedom in group

c: significance probability P=0.05

Leven statistic	df1a	df2b	Sig.c
PM10	3.205	3	396	.023
PM2.5	10.718	3	396	.000

Table 26.

Result of Welch’s robust test for means for urban neighborhood

statistic	df1	df2	Sig.
PM10	41.843	3	217.906	.000
PM2.5	34.656	3	216.452	.000

Table 27.

Result of Games-Howell’s multiple comparison for urban neighborhood (A-1:low-rise buildings with green space; A-2:high-rise buildings with green space; B-1:low-rise buildings without green space; B-2:high-rise buildings without green space)

d: Mean Difference between group I and group J

e: Standard Error

Dependent variable	(I)TYPE	(J)TYPE	I-Jd	Std.e Err.	Sig.
pm10	A-1	A-2	1.963	.200	.000
B-1	.316	.228	.512
B-2	1.254	.204	.000
A-2	B-1	-1.648	.199	.000
B-2	-.709	.170	.000
B-1	B-2	.939	.202	.000
pm2.5	A-1	A-2	.858	.112	.000
B-1	.067	.122	.946
B-2	.479	.116	.000
A-2	B-1	-.791	.091	.000
B-2	-.379	.083	.000
B-1	B-2	.412	.096	.000

Table 28.

Result of Levene test for equality of variances for Back road

a: degree of freedom between groups

b: degree of freedom in group

c: significance probability P=0.05

Leven statistic	df1a	df2b	Sig.c
PM10	14.769	3	396	.000
PM2.5	17.499	3	396	.000

Table 29.

Result of Welch’s robust test for means for Back road

statistic	df1	df2	Sig.
PM10	42.543	3	217.570	.000
PM2.5	40.556	3	215.646	.000

Table 30.

Result of Games-Howell’s multiple comparison for Back road (A-1:low-rise buildings with green space; A-2:high-rise buildings with green space; B-1:low-rise buildings without green space; B-2:high-rise buildings without green space)

d: Mean Difference between group I and group J

e: Standard Error

Dependent variable	(I)TYPE	(J)TYPE	I-Jd	Std.e Err.	Sig.
PM10	A-1	A-2	.700	.138	.000
B-1	-.590	.149	.001
B-2	.426	.140	.015
A-2	B-1	-1.290	.119	.000
B-2	-.274	.108	.056
B-1	B-2	1.016	.121	.000
PM2.5	A-1	A-2	.495	.056	.000
B-1	-.030	.070	.974
B-2	.306	.060	.000
A-2	B-1	-.525	.060	.000
B-2	-.189	.048	.001
B-1	B-2	.336	.064	.000

Reference

Guo, X.H. , F. Dai and S.B. Bi (2018) Simulation Study and Evaluation the Impact of Road Greenbelt Layout on Particulate Matter Dispersion and Removal. China Landscape Architecture 25(12): 75-80. (in Chinese with English abstract)
HEI IHME, (2019) State of Global Air. HEI Report, 22pp.
Hong, S.K ,, R.Y. Kang, M.Y. An, J.S. Kim and E.S. Jung (2018) Study on the Impact of Roadside Forests on Particulate Matter between Road and Public Openspace in front of Building Site-Case of Openspace of Busan City hall in Korea-. Korean J. Environ. Ecol. 32(3): 323-331. (in Korean with English abstract)
Hwang, K.I. , B.H. Han, J.I. Kwark and S.C. Park (2018) A Study on Decreasing Effects of Ultra-fine Particles (PM2.5) by Structures in a Roadside Buffer Green-A Buffer Green in Songpa-gu, Seoul-. Journal of the Korean Institute of Landscape Architecture 46(4): 61-75. (in Korean with English abstract)
Joo, H.S. , S.C. Kim, S.S. Choi and S.Y. Bae (2005) Impact of Green Spaces on Air Quality. Report of Korea Environment Institute, 118pp. (in Korean with English abstract)
Ko, E.A. (2010) Wind Simulation and Optimal Building Allocation using Envi-Met 3-D Mode. Master's Thesis, Hanbat National Univ., 63pp.
National Institute of Environmental Research (2016) Statistics of National Air Pollutant Emission 2016.
Traffic Monitoring System (2019) http://www.road.re.kr/
Vos P.E.J. , B. Maiheu, J. Vankerkom and S. Janssen (2013) Improving local air quality in cities: To tree or not to tree? Environmental Pollution 183: 113-122.
Wania, A. , M. Bruse, N. Blond and C. Weber (2012) Analysing the influence of different street vegetation on traffic-induced particle dispersion using microscale simulations. Journal of Environmental Management 94(1): 91-101.
Wu, J.D. , J.H. Lee and S.H. Yoon (2019) An Analysis on Micro-climate Characteristic of Apartments in Beijing, China Using ENVI-met Simulation. Journal of the Architectural Institute of Korea Structure & Construction 35(8): 169-176. (in Korean with English abstract)
Zhang, J.Y.J. , X.Z. Fang, F.H. Li, L. Wu and H.J. Mao (2017) Characteristics and Health Ｒisk Assessment of Metallic Elements in PM2. 5 Fraction of Ｒoad Dust. Huanjing Kexue. 38(10): 4071-4076. (in Chinese with English abstract)